شاخص نوسان VIX

شاخص متضاد

نوسانات احتمالی IV برای سنجش حالات سرمایه گذاران مورد استفاده قرارمی گیرد

شاخص متضاد

نوسانات احتمالی (IV) می تواند به عنوان یک ابزار برای سنجش چگونگی حالات سرمایه گذاران مورد استفاده قرار گیرد. همانند دیگر ابزار های سنجش بازار، این می تواند به پیش بینی نقاط عطف بازار کمک کند. در این درس، ما برخی از نمونه هایی را که چگونگی ارتباطات IV با حرکتهای گذشته و آینده را ارائه خواهیم داد. ما از شاخص نوسان CBOE (VIX) برای این روند استفاده خواهیم کرد.

VIX در سال 1993 معرفی شد و از آن زمان به یکی از رایج ترین روش ها برای تعیین احساسات و نوسان سرمایه گذاران در بازار سهام تبدیل شده است. این یک معیار از نوسانات ضمنی است که انتظارات بازار از نوسانات 30 روزه را که در آپشن های نزدیک در شاخص S & P 500 نشان داده شده است، ترسیم می کند.

در نمونه های این فصل، ما قیمت های بسته شده ی هر هفته را استفاده می کنیم. با این حال، تجزیه و تحلیل فرکانس بالاتر نیز می تواند مورد استفاده قرار گیرد. این به این معناست که سطح VIX یا IV در سهام نیز می تواند برای فریم های کوتاه تر و حتی روزانه ردیابی شود. صرف نظر از این، می توان از این سطوح برای شناسایی شرایط خرید و فروش در کوتاه مدت استفاده کرد و در هر یک از این موارد، اغلب تغییرات به میانگین کوتاه مدت IV رخ می دهد.

IV یک اندازه از جمعیت سرمایه گذاران است.

نوسانات احتمالی (IV) می تواند به عنوان یک ابزار برای سنجش چگونگی حالات سرمایه گذاران مورد استفاده قرار گیرد و می تواند با فرکانس بالا به شدت نوسان کند. به بیان ساده تر، این شاخص مشخص می کند که آپشن ها در شاخص S & P 500 تا چه اندازه گران هستند. داده های تاریخی برای مقایسه در صندوق Chicago Board Options Exchange (CBOE) در دسترس است.

شکل 1 نشان دهنده نوسانات ضمنی VIX بین سال های 1990 تا 2006 است. در پایین ترین دوره های بازار خرس (در سالهای 2000 تا 2002)، افزایش شدیدی بالاتر از 40 قرار دارند. همانطور که سرمایه گذاران بیشتر می ترسند، VIX به طور چشمگیری افزایش می یابد.

شکل 1: شاخص نوسانات ضمنی VIX بین سال های 1990 تا 2006 را نشان می دهد. توجه داشته باشید که در طول بدترین دوره بازار نزولی در طی سال های 2000 تا 2002 افزایش شدید بیش از 40 با افزایش ترس سرمایه گذاران جهت گرفت.

ترس سرمایه گذاران با بازارهای نزولی و افزایش در VIX ارتباط دارد. با از بین رفتن ترس، VIX نیز کاهش می یابد. با این حال، سطوح پایین در بلند مدت در VIX با بازار های صعودی ارتباط دارد و سطوح VIX که بسیار پایین هستند، ممکن است نشانه پیشرفت بزرگ بازار باشد. این مسئله در شکل 2 نشان داده شده است. در سال های 1994 و 2004، VIX زیر 20 باقی ماند زیرا بازار گرایش های شدید صعودی را به وجود آورد.

شکل 2: S & P 500 در کنار سطح VIX. در اینجا این امکان وجود دارد تا ببینیم که چگونه قیمت و نوسانات به یکدیگر مربوط است. نمونه ای از بزرگ ترین سهام ها که از بازار تقلید می کنند، در هنگام کاهش قیمت، نوسان (VIX در این مورد) افزایش می یابد و برعکس.

همانطور که در شکل بالا دیده می شود، VIX تمایل به واکنش به کاهش های شدید در S & P دارد. در طول بحران بزرگ بازار (1997، 1998، 2001، 2002)، VIX به شدت افزایش یافت. این مسئله نشان داد که رسیدن به پایین ترین سطح بازار نزدیک است. از آنجا که آپشن ها از سال 1980 به بعد معامله شده اند و VIX تقریبا یک دهه بعد آن ساخته شده است، همچنین امکان دوباره ساختن شاخص VIX وجود دارد و CBOE دارای تاریخچه قابل دانلود کامل است. برای مثال، در طی سقوط بازار در سال 1987، VIX به سطح بالاتر از 100 افزایش یافت. حتی در روز 20 اکتبر 1987، به قیمت روزانه 172.79 پوند (این بر اساس آپشن های S & P 100 بود نه آپشن S & P 500) نیز رسیده بود. VIX روش خود برای استفاده از آپشن S & P 500 را به جای آپشن های S & P 100 تغییر داده است.

VIX بهتر است با میانگین های متحرک مشاهده شود، زیرا دارای چرخه روند طولانی مدت است. شکل 3 نشان دهدنده ی VIX با میانگین متحرک از سطح 10 تا 50 روزه است. این به ما اجازه می دهد که سطوح افراطی کوتاه مدت را بهتر مشخص کنیم، و این نشان می دهد که بازار ها بیش از حد خرید و فروش می شوند.

شکل 3: نمودار روزانه VIX و S & P 500. هنگامی که میانگین متحرک 10 روزه VIX به دور از میانگین متحرک 50 روز حرکت می کند، همانطور که توسط فلش های سیاه کوچک نشان داده شده است، S & P 500 به طور معمول اصلاحی را تجربه می کند.

همانطور که در شکل 3 دیده می شود، افزایش های VIX با یک میانگین متحرک 10 روزه هموار می شوند. با افزایش متوسط میانگین 10 روزه از میانگین 50 روزه حرکتی، شرایط بازار نزول می یابد. هنگامی که میانگین متحرک 10 روزه پایین تر از میانگین متحرک 50 روزه می رود، شرایط بازار صعودی است. با این شاخص نوسان VIX حال، هنگامی که انحراف از میانگین های 10 و 50 روزه کشیده می شود، بازگشت به میانگین به زمانی که میانگین حرکت 10 روزه به سطح میانگین 50 روزه می رسد، رخ می دهد. روشی كه اين چرخه عمل مي كند، ابزاري براي زمانبندي نوسانات بازار به عنوان يك شاخص متضاد است.

خط پایانی

در این فصل، ما بررسی کردیم که نوسانات ضمنی VIX برای آپشن های شاخص S & P 500 می تواند برای شناسایی بخش های بیش از حد خرید و فروش در شاخص استفاده شود. ما دیدیم که چگونه دو شاخص (یعنی VIX و S & P 500) به صورت مجاور به یکدیگر حرکت می کنند و می توان با استفاده از میانگین های متحرک متغیر به قیمت روزانه VIX، از یک روش مخالف استفاده کرد.

شاخص ترس و طمع چیست؟

شاخص ترس و طمع یکی از پرکاربردترین ابزارها در تحلیل بازارهای مالی است. رفتار بسیاری از معامله‌گران در بازارهای مالی بر مبنای احساسات درونی و لحظه‌ای آن‌ها شکل می‌گیرد. ترس و طمع دو محرک اصلی نوسانات در بازارهای مالی هستند که جریانات قیمتی را به‌وجود می‌آورند. بسیاری از مواقع این سوال را از خودمان می‌پرسیم که چه زمانی برای ورود به یک بازار مالی مناسب است. شاخص ترس و طمع می‌تواند گزینه خوبی برای پاسخ به این سوال باشد.

شاخص ترس و طمع چیست؟

گفتیم که احساساتی نظیر حرص و در مقابل، ترس عاملی برای تشکیل روندها در بازار هستند. درواقع در دوره‌های رشد و رونق بازار، احساساتی نظیر حرص و طمع معامله‌گران باعث افزایش قیمت‌ها می‌شود. در مقابل، ترس و نگرانی معامله‌گران در دوران رکود نیز باعث نزول بیشتر قیمت‌ها در بازارهای مالی می‌شود.

شاخص ترس و طمع معیار خوبی برای این سنجش است. درواقع این شاخص با اندازه‌گیری میزان ترس و طمع معامله‌گران دربازار میزان نوسانات بازار را اندازه‌گیری می‌کند. به عنوان مثال زمانی سرمایه‌گذاران اقدام به فروش سهام می‌کنند که از چیزی ترسیده باشند. در مقابل زمانی اقدام به خرید سهمی می‌کنند که طمع سود در آن‌ها ایجاد شود. این شاخص در بازارهای مالی متفاوت به نام‌های مختلفی شناخته می‌شود که در ادامه به معرفی آن‌ها می‌پردازیم.

شاخص ترس و طمع در بورس آمریکا

در بازار بورس آمریکا این شاخص را با نام VIX می‌شناسیم. شاخص VIX مخفف عبارت Volatility Index و به معنی شاخص نوسانات بازار است. درواقع این شاخص میزان نوسانات سی روزه شاخص S&P500 را نشان می‌دهد که عملکرد 500 شرکت بزرگ سهامی حاضر در بورس را ارزیابی می‌کند.

با این شاخص ما می‌توانیم میزان ترس و یا طمع سرمایه‌گذاران را در لحظه اندازه‌گیری کنیم. لازم به ذکر است که این شاخص برای اولین بار در سال ۱۹۹۳ دکتر رابرت والی (Robert Whaley) و برای اندازه‌گیری میزان نوسانات بورس CBOE طراحی شد. این امر نشان دهنده قدمت استفاده از این اندیکاتور است.

چگونه از شاخص ترس و طمع استفاده کنیم؟

از آنجایی که شاخص ترس و طمع (VIX) میزان نوسانات بازار بورس را اندازه‌گیری می‌کند، پس می‌توانیم نتیجه بگیریم که این شاخص رابطه عکسی با روند بازار دارد. زمانی که بازار در حالت بحرانی قرار دارد، معمولا بازار دچار ریزش می‌شود. بنابراین بسیاری از سرمایه‌گذاران سعی می‌کنند با اقدامات پوششی (نظیر صندوق‌های سرمایه‌گذرای و اختیارهای تبعی و خرید اختیار فروش) از ریسک خود در بازار بکاهند. در چنین وضعیتی میزان شاخص ترس و طمع نیز افزایش می‌یابد. اما در مقابل زمانی که بازار در شرایط خوبی قراردارد، معمولا سرمایه‌گذاران ریسک بیشتری می‌کنند و ما شاهد ورود سرمایه‌های بیشتری به بازار هستیم. در چنین وضعیتی شاخص ترس و طمع (VIX) در حالت نزولی قرار می‌گیرد و به اصطلاح می‌گوییم که بازار در چنین شرایطی در آرامش است.

آیا شاخص ترس و طمع بورس تهران هم داریم؟

خیر متاسفانه هنوز چنین شاخصی برای بورس اوراق بهادار تهران به‌صورت رسمی محاسبه و معرفی نشده است. اما اندیکاتور این شاخص را در پلتفرم تریدینگ‌ویو (TRADINGVIEW) می‌توانید از قسمت اندیکاتورها با نام Historical Volatility مشاهده کنید.

به‌عنوان مثال در نمودار فوق ما اندیکاتور مذکور را روی شاخص کل بورس اعمال کردیم (منبع سایت ره‌آورد365). همان‌طور که مشخص است زمان‌هایی که شاخص ترس و طمع در پایین‌ترین حالت خود قرار دارند، می‌توانیم بگوییم که آرامش نسبی بر بازار حاکم است و سرمایه‌گذاران با نگرانی کمتری در بازار فعالیت می‌کنند. همچنین این اندیکاتور به ما می‌گوید که زمانی که شاخص ترس و طمع زیاد می‌شود، ریسک بازار هم زیاد شده و این مساله باعث ایجاد ترس و نگرانی بیشتر سرمایه‌گذاران شده است.

دقت کنید که افزایش نگرانی سرمایه‌گذاران همیشه باعث ریزش در قیمت‌ها نمی‌شود و با کاهش شاخص ترس و طمع بازار دوباره روند خود را ادامه می‌دهد. بنابراین زمانی که اندیکاتور شاخص ترس و طمع در پایین‌ترین حد خود قرار بگیرد، می‌توانیم بگوییم که ریسک بازار شاخص نوسان VIX کم شده است (نکته مهم: کاهش ریسک به تنهایی دلیلی برای افزایش قیمت‌ها نیست).

شاخص ترس و طمع در بازار ارزهای دیجیتال

شاید بازار ارزهای دیجیتال یکی از پر نوسان‌ترین بازارهای مالی در جهان است که معامله‌گران این بازار به شدت تصمیمات احساسی می‌گیرند. لذا این تصمیمات در قیمت‌های بازار بسیار تاثیرگذار خواهند بود. شاخص ترس و طمع در چنین بازاری می‌تواند به سرمایه‌گذاران دید خوبی نسبت به شرایط بازار بدهد تا بتوانند بهتر تصمیم‌گیری کنند.

به عبارتی دیگر شاخص ترس و طمع در بازار ارزهای دیجیتال ابزاری برای اندازه‌گیری وضعیت بازار در لحظه است. لازم به ذکر است که این شاخص را در بازار ارزهای دیجیتال با نام Fear and Greed (ترس و طمع) می‌شناسند.

شاخص ترس و طمع در ارزهای دیجیتال چگونه کار می‌کند؟

این شاخص درواقع مثل یک دما سنج عمل می‌کند و به ما می‌گوید مقدار خریداران بیشتر است یا فروشندگان. به این ترتیب شاخص ترس و طمع بین اعداد صفر تا صد نوسان می‌کند. عدد صفر به معنای ترس شدید و عدد صد به معنای طمع شدید در بازار خواهد بود.

برای دیدن این دماسنج می‌توانید به سایت Alternative.me مراجعه کنید. همچنین شما می‌توانید شاخص ترس و طمع را در داخل سایت تریدینگ‌ویو نیز ببینید.

شاخص ترس و طمع چگونه اندازه‌گیری می‌شود؟

برای اندازه‌گیری میزان شاخص ترس و طمع، موارد مختلفی مورد بررسی قرار می‌گیرند. یکی از اجزای تشکیل دهنده این شاخص میزان نوسانات بیت‌کوین است. این عامل حدود 25 دصد از اندازه شاخص را تشکیل می‌دهد.

عامل دومی که در اندازه‌گیری شاخص ترس و طمع موثر است، حجم معاملات در بازار است. برای این‌کار به نوعی از میانگین حجم معاملات سی روزه و نود روزه استفاده می‌شود که در مجموع حدود 25 درصد روی این شاخص تاثیرگذار است.

عامل دیگری که برای محاسبه این شاخص مورد استفاده شاخص نوسان VIX قرار می‌گیرد اطلاعات متنی و ترند شدن در گوگل و شبکه‌های اجتماعی است. به این ترتیب که مشخص می‌شود که چه تعدادی ازمردم درباره یک دارایی خاص صحبت می‌کنند.

جمع‌بندی

شاخص ترس و طمع یکی از شاخص‌هایی است که دید مناسبی را برای چگونگی شرایط معاملات بازار در مورد یک دارایی خاص یا حتی یک بازار به ما می‌دهد. به این ترتیب دیگر نیازی به انجام محاسبات پیچیده یا تحلیل‌های زمان‌بر نداریم و می‌توانیم شرایط لحظه‌ای یک بازار را بسنجیم. امروزه بسیاری از مردم برای این‌که بدانند در چه سهم و یا بازاری معامله کنند که کمترین ریسک را داشته باشد، از شاخص ترس و طمع استفاده می‌کنند. اما باید دقت کنیم که استفاده از شاخص ترس و طمع به تنهایی نمی‌تواند برای ما سیگنال ورود و یا خروج به سهمی را صادر کند.

اگر مقاله فوق برایتان مفید بوده لطفا آن را با دوستانتان به اشتراک بگذارید.

فارکس حرفه ای

دستیار فارکس حرفه ای - اپلیکیشن تخصصی تحلیل تکنیکال و سیگنالهای معاملاتی و باینری آپشن

ارائه دهنده خدمات بازاهای مالی خصوصا بورس بین الملل و فارکس - افتتاح حساب در کارگزاریها و بروکرهای معتبر جهانی - اپلیکیشن و نرم افزار تحلیل تکنیکال و سیگنالهای معاملاتی و باینری آپشن به نام دستیار فارکس حرفه ای - آموزش های بازارهای سرمایه مانند طلا ، در دورههای مقدماتی تا حرفه ای با بیش از 70 استراتژی معاملاتی موفق و سودده - راهکارهای کارگزاری و خدمات برنامه نویسی های خاص برای کارگزاریها در سطح حرفه ای - بهینه سازی و ارتقاء استراتژیهای معاملاتی سود آور در قالب دانش اطلاعات بورسی

بروکر هات فارکس

بروکر پاکت آپشن

بروکر فیبو گروپ

بروکر اف بی اس FBS

بروکر لایت فارکس

بروکر روبو فارکس

بروکر اف ایکس تی ام

بروکر اکسنس

بروکر ای سی ام

بروکر ایکس ام

بروکر آواترید

بروکرهای باینری آپشن

بروکرهای اکسپرت اپشن

بروکرهای الیمپ ترید

بروکرهای بیناریوم

بروکرهای فینمکس

بروکرهای ای کیو اپشن

بروکرهای ایرکس

بروکرهای هایلو

بروکر ویندزور

بروکر ای اف سی مارکتس

اینستا فارکس

تله ترید

نورد اف ایکس

اچ واسی سی ام

بروکر اربکس

اف ایکس پرو

ای مارکتس

بروکر باینری دات کام

الیمپ ترید Olymp Trade

فارکس تایم FXTM

هات فارکس HotForex

آلپاری Alpari

بروکر معتبر فارکس تایم FXTM

افتتاح حساب الیمپ ترید Olymp Trade

افتتاح حساب در بروکر فارکس تایم

بروکر الیمپ ترید Olymp Trade

افتتاح حساب فارکس تایم FXTM

بروکر فارکس تایم FXTM چیست

افتتاح حساب در بروکر هات فارکس

بازارهای مالی الیمپ ترید Olymp Trade

افتتاح حساب در فارکس تایم FXTM

پلت فرم معاملاتی الیمپ ترید Olymp Trade

ابزارهای معاملاتی الیمپ ترید Olymp Trade

افتتاح حساب در فارکس تایم

افتتاح حساب در بروکر اینستا فارکس

بروکر آلپاری Alpari

معامله گران الیمپ ترید Olymp Trade

افتتاح حساب در بروکر روبو فارکس

سرمایه گذاران فارکس تایم FXTM

هات فارکس Hot Forex

بازارهای مالی فارکس تایم FXTM

اکسپرت آپشن Expert Option

افتتاح حساب در بروکر الپاری

بروکر فارکس تایم FXTM

واریز و برداشت ریالی هات فارکس

بروکر هات فارکس Hot Forex

افتتاح حساب در الیمپ ترید Olymp Trade

افتتاح حساب بروکر الیمپ ترید

• شهریور ۱۴۰۱ (۱۴)
• ارديبهشت ۱۴۰۱ (۹)
• فروردين ۱۴۰۱ (۹)
• اسفند ۱۴۰۰ (۱۰)
• بهمن ۱۴۰۰ (۶)
• دی ۱۴۰۰ (۳۸)
• آذر ۱۴۰۰ (۱۶)
• آبان ۱۴۰۰ (۴۷)
• مهر ۱۴۰۰ (۴۵)
• شهریور ۱۴۰۰ (۳۱)
• مرداد ۱۴۰۰ (۳۹)
• تیر ۱۴۰۰ (۵۷)
• خرداد ۱۴۰۰ (۴۷)
• ارديبهشت ۱۴۰۰ (۱۰)
• فروردين ۱۴۰۰ (۶۹)
• بهمن ۱۳۹۹ (۷۲)
• دی ۱۳۹۹ (۹۳)
• آذر ۱۳۹۹ (۶۶)
• آبان ۱۳۹۹ (۴۱)
• مهر ۱۳۹۹ (۴۳)
• شهریور ۱۳۹۹ (۳۰)
• مرداد ۱۳۹۹ (۱۷)
• تیر ۱۳۹۹ (۲۴)
• خرداد ۱۳۹۹ (۱۸)
• ارديبهشت ۱۳۹۹ (۴۵)
• فروردين ۱۳۹۹ (۱۰۳)
• آذر ۱۳۹۸ (۵۳)
• مهر ۱۳۹۸ (۱۲۰)
• شهریور ۱۳۹۸ (۷)
• مرداد ۱۳۹۸ (۲۴)
• تیر ۱۳۹۸ (۶۶)
• خرداد ۱۳۹۸ (۸۱)
• ارديبهشت ۱۳۹۸ (۱۳)
• فروردين ۱۳۹۸ (۸۸)
• اسفند ۱۳۹۷ (۱۱)
• بهمن ۱۳۹۷ (۱۸)
• دی ۱۳۹۷ (۶۴)
• آذر ۱۳۹۷ (۵۹)
• آبان ۱۳۹۷ (۸۸)
• مهر ۱۳۹۷ (۳۷)
• شهریور ۱۳۹۷ (۵۲)
• مرداد ۱۳۹۷ (۲۳)
• تیر ۱۳۹۷ (۲۷)
• خرداد ۱۳۹۷ (۴۲)
• ارديبهشت ۱۳۹۷ (۶۹)
• آذر ۱۳۹۶ (۴)
• آبان ۱۳۹۶ (۷)
• مهر ۱۳۹۶ (۱۲)
• شهریور ۱۳۹۶ (۲)
• مرداد ۱۳۹۶ (۴)

معرفی شاخص نوسان VIX الیمپ ترید

شاخص‌های S&P 500 و VIX

این معمولا نشان‌دهنده‌ی اضطراب در بین شرکت‌کنندگان در بازار است و اشاره می‌کند که S&P 500 باید در حالا کاهش باشد.

شاخص نوسان VIX

تحلیل طلا

تحلیل طلا

تحلیل یورودلار

تحلیل یورودلار

تحلیل دلار

اخبار روز 26/07/2021

میزان نوسانات معیاری آماری از پراکندگی بازده یک نوع دارایی یا یک شاخص بازار معین است. در بیشتر موارد، هر چه نوسانات بیشتر باشد، میزان ریسک نیز بیشتر خواهد بود. نوسانات را اغلب با انحراف معیار یا واریانس بین بازده همان شاخص یا دارایی اندازه گیری می کنند.

در بازارهای اوراق بهادار، نوسانات معمولا با فراز و نشیب های شدید (صعودی یا نزولی) نشان داده می شوند. به عنوان مثال، زمانی که بازار سهام در یک بازه زمانی ثابت بیش از یک درصد افزایش یا کاهش پیدا کند، به آن بازار «پرنوسان» می گویند. نوسانات یک دارایی معین، عاملی کلیدی برای ارزش گذاری قراردادهای آپشن به شمار می آید.

• نوسانات نشان دهنده میزان حرکت قیمت یک دارایی حول میانگین قیمت آن است؛ این معیاری آماری برای پراکندگی بازده آن دارایی است.
• روش ‌های مختلفی برای اندازه ‌گیری نوسانات وجود دارد، از جمله: ضریب بتا، مدل‌ های قیمت‌ گذاری قراردادهای آپشن و انحراف معیار بازده.
• دارایی های پرنوسان معمولا از دارایی های با نوسان کمتر ریسک بیشتری دارند زیرا حرکت قیمت آنها کمتر قابل پیش بینی است.
• میزان نوسانات عامل مهمی برای محاسبه قیمت قراردادهای آپشن محسوب می شود.

آشنایی با نوسانات

نوسانات معمولا به میزان شک و تردید یا ریسک مربوط به اندازه تغییرات در ارزش دارایی گفته می شود. نوسانات بالاتر به این معنی است که ارزش دارایی احتمالا می تواند در دامنه وسیع تری بالا و پایین شود. این بدان معناست که قیمت دارایی می تواند در بازه زمانی کوتاه به طور قابل ملاحظه ای تغییر کند. از سوی دیگر، نوسان کمتر نشان دهنده ثبات قیمت آن دارایی است.

یکی از راه‌ های اندازه‌ گیری تغییرات دارایی، محاسبه بازده روزانه (درصد حرکت روزانه) دارایی است. نوسانات گذشته بر اساس قیمت های قبلی است و نشان دهنده میزان تغییر بازده دارایی است. این عدد بدون واحد بوده و به صورت درصد نشان داده می شود.

در حالی که واریانس به طور کلی پراکندگی بازده را حول میانگین دارایی نشان می دهد، میزان نوسانات معیاری برای سنجش آن واریانس است که با یک بازه زمانی خاص محدود شده است. بنابراین، می توان نوسانات روزانه، هفتگی، ماهانه یا سالانه را گزارش داد. می توان میزان نوسانات را به عنوان انحراف معیار سالانه در نظر گرفت.

نحوه محاسبه میزان نوسانات

میزان نوسانات معمولا با استفاده از واریانس و انحراف معیار محاسبه می شود. انحراف معیار جذر واریانس است.

برای سادگی، بیایید فرض کنیم که قیمت بسته شدن ماهانه یک سهام از 1 تا 10 دلار متغیر است. برای مثال، ماه اول 1 دلار، ماه دوم 2 دلار و الی آخر. برای محاسبه واریانس، پنج مرحله زیر را انجام دهید.

1. میانگین داده ها را محاسبه کنید. این به معنای جمع همه اعداد و سپس تقسیم آنها بر تعداد کل است. اگر 1 دلار را با 2 دلار، و مجموع آنها را با 3 دلار، و همینطور تا 10 دلار جمع کنیم، عدد 55 دلار به دست می آید. این عدد بر 10 تقسیم می شود زیرا 10 عدد در داده های خود داریم. با تقسیم 55 بر 10 میانگین قیمت ​​یا متوسط ​​​​5.50 دلار به دست می آید.

2. اختلاف بین هر عدد و میانگین را محاسبه کنید. این معمولا انحراف نامیده می شود. به عنوان مثال، 5.50 دلار - 10 دلار = 4.50 دلار، سپس 5.50 دلار - 9 دلار = 3.50 دلار. این کار را تا 1 دلار ادامه می دهیم. از آنجایی که به همه اعداد نیاز داریم، این محاسبات غالبا در اسپردشیت انجام می شوند.

3. اعداد انحرافات را به توان 2 برسانید. این منجر به حذف اعداد منفی می شود.

4. سپس اعداد به دست آمده را با هم جمع کنید. در مثال بالا، این عدد برابر با 82.5 است.

5. مجموع انحرافات (82.5) را بر تعداد اعداد (10) تقسیم کنید.

در این مثال، واریانس حاصل 8.25 دلار است. برای بدست آوردن انحراف معیار، از عدد حاصل (8.25) جذر گرفته می شود. این عدد معادل با 2.87 دلار خواهد بود. این معیاری برای محاسبه ریسک است و نشان می دهد که چگونه قیمت ها حول میانگین قیمت پخش شده اند. انحراف معیار به معامله گران نشان می دهد که قیمت چقدر ممکن است از میانگین، انحراف داشته باشد.

اگر قیمت ها به طور تصادفی از توزیع نرمال نمونه برداری شده باشند، حدود 68 درصد از تمام اعداد داده ها در دامنه یک انحراف معیار قرار می گیرند. 95 درصد از اعداد در دو انحراف معیار (در مثال ما 2.87×2)، و 99.7٪ از همه اعداد در سه انحراف معیار (2.87×3) قرار می گیرند. در این مثال، مقادیر 1 تا 10 دلار به طور تصادفی بر روی منحنی زنگوله ای توزیع نشده اند؛ بلکه به طور یکنواخت توزیع شده اند. بنابراین، درصدهای 68٪، 95٪ و 99.7٪مورد انتظار وجود ندارند. علیرغم این محدودیت، معامله‌ گران اکثرا از انحراف معیار استفاده می‌ کنند، زیرا مجموعه داده ‌های بازده قیمت معمولاً بیشتر از داده های مثال ذکر شده به صورت توزیع نرمال (منحنی زنگی) در نمودار پخش می شوند.

معیارهای دیگر اندازه گیری میزان نوسانات

یکی از معیارهای اندازه گیری نوسانات نسبی یک سهم خاص در بازار، بتای آن (β) است. بتا نوسانات کلی بازده یک دارایی را نسبت به بازده معیار مربوطه (معمولاً S&P 500 استفاده می ‌شود) مقایسه می کند. برای مثال، سهامی با ارزش بتای 1.1 در گذشته 110 درصد به ازای هر 100 درصد حرکت در معیار مورد نظر، بر اساس سطح قیمت، نوسان داشته است. از طرف دیگر، سهامی با بتای 0.9 در گذشته به ازای هر 100 درصد حرکت در شاخص پایه، 90 درصد جابجا شده است.

نوسانات بازار را می توان از طریق شاخص VIX یا شاخص نوسانات نیز مشاهده کرد. VIX توسط بورس کالای شیکاگو به‌ عنوان معیاری برای سنجش نوسانات 30 روزه بازار سهام آمریکا ناشی از قیمت ‌های لحظه ‌ایS&P 500 ایجاد شد. VIX در واقع معیاری از معاملات آینده سرمایه‌ گذاران و معامله‌ گران در جهت حرکت بازار یا اوراق بهادار است. اعدادی بالای VIX به معنای بازار پرریسک است.

میزان نوسان متغیری در فرمول ‌های قیمت ‌گذاری آپشن ها می باشد که مقدار نوسان بازده دارایی را در حال حاضر و در زمان انقضای معامله آپشن نشان می ‌دهد. میزان نوسانات، که به صورت ضریب درصدی در فرمول های قیمت گذاری معاملات آپشن ها نشان داده می شود، از فعالیت های معاملاتی روزانه به دست می آید. نحوه اندازه گیری میزان نوسانات بر مقدار ضریب استفاده شده تأثیر می گذارد.

نوسانات همچنین برای قیمت گذاری قراردادهای آپشن با استفاده از مدل هایی همچون Black-Scholes یا مدل های درخت دو جمله ای استفاده می شود. دارایی ‌های پرنوسان بیشتر به قراردادهای آپشن با قیمت بالاتری تبدیل می ‌شوند، زیرا با میزان نوسانات بالا احتمال بیشتری وجود دارد که آپشن ها در زمان انقضا به وضعیت «با پول» (in-the-money) برسند. معامله گران آپشن ها سعی می کنند نوسانات آتی یک دارایی را پیش بینی کنند، بنابراین قیمت آپشن در بازار نشان دهنده نوسانات آن است.

مثالی از میزان نوسانات در دنیای واقعی

فرض کنید که یک سرمایه گذار در حال ایجاد سبد بازنشستگی برای خودش است. از آنجایی که او ظرف چند سال آینده بازنشسته می شود، به دنبال سهامی با نوسانات کم و بازدهی ثابت است. او دو شرکت را در نظر می گیرد:

1. شرکت مایکروسافت (MSFT)؛ که در آگوست 2021 ضریب بتای 0.78 داشت و این باعث می شود نوسانات آن نسبت به شاخص S&P 500 نسبتا کمتر باشد.

2. در آگوست 2021، شرکت شاپیفای (SHOP) دارای ضریب بتای 1.45 بود که به طور قابل توجهی نوسانات بیشتری نسبت به شاخص S&P 500 داشت.

سرمایه گذار احتمالاً شرکت مایکروسافت را برای سبد خود انتخاب می کند، چراکه نوسانات کمتر و سود کوتاه مدت و قابل پیش بینی بیشتری دارد.

مقایسه نوسانات ضمنی با نوسانات گذشته

نوسانات ضمنی (IV) یا نوسانات پیش بینی شده یکی از مهم ترین معیارها برای معامله گران آپشن به شمار می آید. همانطور که از نام آن پیداست، نوسانات ضمنی این امکان را به معامله گران آپشن ها می دهد تا میزان نوسان بازار در آینده را تعیین کنند. این مفهوم همچنین راهی برای محاسبه احتمالات معاملاتی است. نکته مهمی که باید به آن توجه کرد این است که نباید نوسانات ضمنی را علم دانست، بنابراین پیش بینی چگونگی حرکت بازار در آینده با استفاده از نوسانات ضمنی روشی غیرقابل اعتماد محسوب می شود.

برخلاف نوسانات گذشته، نوسانات ضمنی از قیمت خود آپشن ناشی می شود و نشان دهنده انتظارات از میزان نوسان برای آینده است. از آنجایی که این معیار ضمنی می باشد، معامله گران نمی توانند از عملکرد گذشته به عنوان شاخصی برای پیش بینی عملکرد آینده استفاده کنند. در عوض آنها باید پتانسیل حرکت قیمت آپشن موجود در بازار را تخمین بزنند.

نوسانات گذشته (HV) یا نوسانات آماری، میزان نوسانات اوراق بهادار را با اندازه گیری تغییرات قیمت در بازه های زمانی از پیش تعیین شده اندازه گیری می کند. این معیار در مقایسه با نوسانات ضمنی کمتر رایج است زیرا آینده نگر نیست.

هنگامی که نوسانات گذشته افزایش می یابد، قیمت اوراق بهادار نیز بیش از حد معمول حرکت می کند. در این زمان، انتظار می رود که چیزی تغییر کند یا در اصل تغییر کرده است. از سوی دیگر، اگر نوسانات گذشته در حال کاهش باشد، این بدان معناست که عدم قطعیت در بازار از بین رفته است، و بنابراین همه چیز در حال برگشت به حالت قبل است.
این محاسبه ممکن است بر اساس تغییرات روزانه باشد، اما اغلب حرکات قیمت را بر اساس تغییرات بسته شدن اندازه گیری می کند. بسته به مدت زمان مورد نظر معامله آپشن ها، نوسانات گذشته را می توان در بازه های 10 تا 180 روز معاملاتی اندازه گیری کرد.

به آکادمی آموزشی فارکس (Persian FX Academy) خوش آمدید. بازار فارکس به عنوان یکی از بزرگترین بازارهای مالی جهان، امروزه علاقه‌مندان و سرمایه‌گذاران زیادی را به خود جذب کرده است اما شرایط این بازار به آن سادگی که اغلب افراد تصور می‌کنند نیست. حجم بالای سرمایه، پیچیدگی بازار و سهولت دسترسی به این بازار از عواملی است که به ضرر بسیاری از افرادی که در این بازار فعالیت می‌کنند، منجر می‌شود. در این میان جای خالی آموزش و دانش‌اندوزی به وضوح احساس می‌شود. شرایط خاص آموزش در ایران به همراه عدم وجود منابع جامع و کامل (به خصوص به زبان فارسی)، عدم امکان برگزاری کلاس حضوری در داخل ایران و شرکت در کلاس‌های خارج از ایران، ما را بر آن داشت تا اقدام به ایجاد یک آکادمی آموزشی نماییم. هدف بلندمدت از ایجاد این آکادمی، تبدیل شدن آن به یک مرجع اطلاعات و دانش مربوط به فارکس است. برای رسیدن به این هدف، آکادمی سعی نموده با کمک اساتید مجرب شرایطی ایجاد کند تا افراد به هر آنچه در مورد بازار نیاز دارند دسترسی داشته باشند. از کلاس‌های مالتی مدیا گرفته، تا دوره‌های عمومی و تخصصی منسجم و پیوسته که دانشجویان پا به پای اساتید شرایط تحلیل و معامله را فرا بگیرند. ابزارهای معاملاتی، کتابخانه و تحلیل‌های روزانه و هفتگی از دیگر ابزارهای ارائه شده در این آکادمی است.

عوامل موثر بر شاخص بی‌ثباتی در بورس اوراق بهادار تهران (مطالعه موردی: صنعت فلزات اساسی)

بازار سرمایه به خصوص بازار بورس و اوراق بهادار همانند سایر فعالیت‌های سرمایه‌گذاری دارای ریسک بوده و تحت تأثیر سرریز نوسانات و بی ثباتی‌ها از سایر بازارها می‌باشد. این أمر در مواجه با سایر متغیرهای کلان اقتصادی موجب ایجاد بی‌ثباتی در بازار بورس می‌گردد. در پژوهش حاضر با استفاده از روش‌ تلاطم شرطی، به بررسی عوامل موثر بر شاخص بی‌ثباتی در بخش صنعت فلزات اساسی بورس اوراق بهادار تهران پرداخته شد. بدین منظور از داده‌های ماهانه فرودین ماه 1388 تا فروردین ماه 1399 استفاده شد. نتایج حاصل از پژوهش حاضر بیانگر این است که، نوسانات در بخش صنعت توسط عواملی نظیر مناقشات سیاسی و مشکلات بین‌المللی ایران ایجاد شده و بر اثر نوسانات بازارهای موازی نظیر نفت، طلا و ارز تقویت می‌شوند. براساس نتایج حاصل از پژوهش‌، عوامل خارج از صنعت بورس به دلیل عدم توسعه‌یافتگی بازار بورس در ایران؛ تاثیر بیشتری از عوامل درون شرکتی در تلاطم و بی‌ثباتی بازار بورس دارند.از نقطه نظر تجزیه و تحلیل‌های انجام شده، مهمترین اثر و عامل ایجادکننده نوسانات، بخش تنش‌های سیاسی و روابط بین‌الملل در ایران می باشد که دارای اثرات غیرقابل کنترل بر بازارهای موازی در ایران می‌باشد و در نهایت اثر همه آنها در بازار بورس منعکس می‌گردد.

کلیدواژه‌ها

• شاخص بی ثباتی
• بورس اوراق بهادار تهران
• مدل های GARCH

عنوان مقاله [English]

The Factors Affecting on Instability Index in Tehran Stock Exchange (The Case: Base Metals Industry)

نویسندگان [English]

• hassan hadipour 1
• Seyyed Ali paytakhti oskooe 2
• Yaghoub Alavi Matin 3
• Kamaleddin Rahmani 4

1 Ph.D. Candidate, Department of Financial engineering, Tabriz Branch, Islamic Azad University, Tabriz, Iran

2 Associate Professor, Department of Economics, Tabriz Branch, Islamic Azad University, Tabriz, Iran

3 Assistant Professor, Department of Management, Tabriz Branch, Islamic Azad University, Tabriz, Iran

4 Assistant Professor, Department of Management, Tabriz Branch, Islamic Azad University, Tabriz, Iran

چکیده [English]

The capital market, especially the stock market, is as risky as any other investment activity and is affected by overflow fluctuations and instabilities from other markets. In the face of other macroeconomic variables, this causes instability in the stock market. In the present study, using conditional turbulence method, the factors affecting on instability index in basic metals industry sector of Tehran Stock Exchange was investigated and presented. For this purpose, monthly data from April 2009 to April 2020 were used. The results of the present study indicate that fluctuations in the industrial sector are caused by factors such as political conflicts and international problems in Iran and are strengthened by fluctuations in parallel markets such as oil, gold and currency. According to the results of the research, factors outside the stock market industry due to the underdevelopment of the stock market in Iran; From the point of view of the analyzes performed, the most important effect and factor causing fluctuations is the section of political tensions and international relations in Iran, which has effects. It is uncontrollable on parallel markets in Iran and ultimately the effect of all of them is reflected in the stock market.

کلیدواژه‌ها [English]

• Instability Index
• Tehran Stock Exchange
• GARCH Models

مراجع

ابطحی، سید یحیی، گلین کیامرادی، هاشم و نیک کار، بهزاد (1392). رابطه نوسانات قیمت طلا و بازدهی بازار بورس بهادار ایران. دومین همایش ملی علوم مدیریت نوین.

ثقفی، علی و قنبریان، رضا. (1394). بررسی رابطه پویا بین قیمت نفت و شاخص های بازار سرمایه در ایران، فصلنامه تحقیقات مدلسازی، 20، 216-193.

دوراندیش، آرش، شریعت، الهام و ارزنده، ندا. (1393). بررسی اثر سرریز نوسانات نرخ ارز بر شاخص صنایع کشاورزی پذیرفته شده در بورس اوراق بهادار. نشریه اقتصاد و توسعه کشاورزی، 2، 184-177.

رضازاده، علی. (1395). تاثیر متغیرهای کلان اقتصادی بر بی‌ثباتی بازدهی سهام بورس اوراق بهادارتهران: مشاهداتی بر پایه مدل GARCH-X. نظریه های کاربردی اقتصاد، 2، 121-136.

شهبازی، کیومرث، رضائی، ابراهیم و صالحی، یاور. (1392). تاثیر شوکهای قیمت نفت بر بازدهی سهام در بورس اوراق بهادار تهران: رهیافت SVAR. دانش مالی تحلیل اوراق بهادار، 18، 125-136.

عبدالرحیمیان، محمدحسین، ترابی، تقی، صادقی شریف، سیدجلال و دارابی، رویا . (1397). ارایه الگوی رفتاری تصمیم گیری سرمایه گذاران حقیقی در بورس اوراق بهادار تهران. دانش سرمایه‌گذاری، 26، 129-113.

کمیجانی، اکبر و ابراهیمی، سجاد. (1392)، اثر نوسان‌های نرخ ارز بر رشد بهره وری در کشورهای در حال توسعه با لحاظ سطح توسعه مالی. مطالعات اقتصادی کاربردی، 6، 27-1.

مصلح شیرازی، علی نقی، موسوی حقیقی، محمدهاشم و پشوتنی زاده، هومن. (1397). شبیه سازی الگوی تغییرات نرخ ارز و قیمت طلا بر عملکرد بورس اوراق بهادار تهران با رویکرد پویایی شناسی سیستمی. دانش سرمایه گذاری، 25، 38-17.

نیکومرام، هاشم، پورزمانی، زهرا و دهقان، عبدالمجید. (1393). سرایت پذیری تلاطم در بازار سرمایه ایران. دانش سرمایه گذاری، 11، 179-199.

Abdolrahimian, H. M., Torabi, T., & Sadeghisharif, S. J., & Darabi, R. (2018). Behavioral Decision Making Pattern for Individual Investors In Tehran Stock Exchange. Journal of Investment Knowledge, 26, 113-130, (In Persian).

Aboura, S., & Chevallier, J. (2015). Volatility Returns with Vengeance: Financial Markets vs. Commodities. Research in International Business and Finance, 33, 334-354.

Abtahi, S. Y., Galin Kiamoradi, H., Nikcar, B. (2014). The relationship between gold price fluctuations and the return of Iranian stock market. The Second National Conference on Modern Management Sciences, (In Persian).

Asgharian, H., Christiansen, C., & Hou, A. J. (2015). Effects of macroeconomic uncertainty on the stock and bond markets. Finance Research Letters, 13, 10-16.

Ayusuk, A., & Sriboonchitta, S. (2016). Copula Based Volatility Models and Extreme Value Theory for Portfolio Simulation with an Application to Asian Stock Markets. Causal Inference in Econometrics, 279-293.

Basher, S. A., & Sadorsky, P. (2017). Hedging emerging market stock prices with oil, gold, VIX, and bonds: A comparison between DCC, ADCC and GO-GARCH. Energy Economics, 54, 235-247.

Brodsky, D. (1980). The composible measure of economic instability. Oxford-bullten of Economics and Statistics, 142, 370-375.

Caferraa, R., & Vidal-Tomás, D. (2021). Who raised from the abyss? A comparison between cryptocurrency and stock market dynamics during the COVID-19 pandemic. Finance Research Letters.

Derakhshan, M. (2014). Econometrics: Single Equations with Classical Assumptions. Tehran: Samt Publication, (In Persian).

Diebold, F. X., & Yilmaz, K. (2012). Better to Give than to Receive: Predictive Directional Measurement of Volatility Spillovers. International Journal of Forecasting, 28, 58-66.

Dourandish, A., Shariat, E., & Arzandeh, N. (2014). The Study of Volatility Spillover Effects of The Exchange Rate on Agricultural Industry Index Listed on The Stock Exchange. Journal of agricultural economics and development, 28, 177-184, (In Persian).

Ehouman, Y. A. (2020). Volatility transmission between oil prices and banks’ stock prices as a new source of instability: Lessons from the United States experience. Economic Modelling, 91, 198-217.

Elbannan, M. A. (2017). Stock market liquidity, family ownership, and capital structure choices in an emerging country. Emerging Markets Review, 33, 201-231.

Fasanya. O. Akindea, A. (2019). Volatility transmission in the Nigerian financial market. The Journal of Finance and Data Science, 5, 99-115.

Ganbarian, R., & Saghafi, A. (2015). The Dynamic Relationship between the Oil Price and the Capital Market Indices in Iranian Economy. The Journal of Economic Modeling Research, 20, 193-216, (In Persian).

Komijani, A.& Ebrahimi, S., (2013). Effect of Exchange Rate Volatility on Producivity Growth in Developing Countries While Considering Their Financial Development Levels. Journal of Applise Economics Studies in IRAN, 6, 1-27, (In Persian).

Mosleh Shirazi, A. N., Moosavihaghighi, M. H., Pashootanizadeh, H. (2018). Simulation of Model Changes by Exchange Rates and Gold Price on the Tehran Stock Exchange Performance with System Dynamics Approach. Journal of Investment Knowledge, 25, 17-38, (In Persian).

Nikoomaram, H., Pourzamani, Z., & Dehghan, A. M. (2014). Spillover Effect on the on Contest Markets For Capital Market. Journal of Investment Knowledge, 11, 179-199, (In Persian).

Philips, P. C. B., Wu, Y., & Yu, J. (2011). Explosive Behavior in the 1990s NASDAQ: When did Exuberance Escalate Asset Values?. International Economic Review, 52, 201-226.

Rezazadeh, A. (2016). The Impact of Macroeconomic Variables on Tehran Stock Market Returns Volatility: GARCH-X Approach. Applied Theories of Economics, 2,121-136, (In Persian).

Shahbazi, K., Rezaei, E., & Salehi, Y. (2014). The Impact of Oil Price Shocks on the Stock Returns of Tehran Stock Exchange (TSE). Financial Knowledge of Securiies Analysis, 18, 125-136, (In Persian).

Subayyal, M., & Shah, A. (2011). The Co Integration between Exchange Rates and Stock Prices in Highly Volatile Markets: Evidence from Pakistan. Middle Eastern Finance and Economics, 15, 156-163.

Touil, M., & Mamoghli, Ch. (2020). Institutional environment and determinants of adjustment speed to the target capital structure in the MENA region. Borsa Istanbul Review, 16, 1-23.

Zhou, X., Zhang, J., & Zhang, Z. (2021). How does news flow affect cross-market volatility spillovers? Evidence from China’s stock index futures and spot markets. International Review of Economics & Finance, 73, 196-213.